基于鲁棒正则化极限学习机的电容层析成像图像重建

摘要：

电容层析成像图像重建是一个非线性及病态性逆问题.基于此,提出了基于迭代重加权最小二乘法的鲁棒正则化极限学习机(RELM-IRLS)算法的电容层析成像图像重建方法,以油/气两相流为研究对象,通过有限元仿真构建随机分布流型,对RELM-IRLS算法完成训练,并与Landweber迭代算法及极限学习机算法进行对比,RELM-IRLS算法的测试集平均误差相比极限学习机算法减小4.6％.仿真及静态实验结果均表明,RELM-IRLS算法所得重建图像质量得到明显提升,且算法具有良好的泛化性能.

关键词：计量学、电容层析成像、迭代重加权、极限学习机、Landweber迭代算法

所属期刊栏目：43

分类号：TB937(计量学)

资助基金：国家自然科学基金61973115

在线出版日期：2022-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1044-1049